多Agent強(qiáng)化學(xué)習(xí)及其應(yīng)用研究.pdf

1、強(qiáng)化學(xué)習(xí)是一種重要的機(jī)器學(xué)習(xí)方法，其特點(diǎn)是通過(guò)感知環(huán)境狀態(tài)信息來(lái)學(xué)習(xí)動(dòng)態(tài)系統(tǒng)的最優(yōu)策略，通過(guò)試錯(cuò)法不斷與環(huán)境交互來(lái)改善自己的行為，并且對(duì)環(huán)境的先驗(yàn)知識(shí)要求很低。多Agent強(qiáng)化學(xué)習(xí)是傳統(tǒng)強(qiáng)化學(xué)習(xí)的改進(jìn)，其利用多個(gè)Agent共同協(xié)作學(xué)習(xí)，達(dá)到并行處理的效果，減少了學(xué)習(xí)時(shí)間，加快尋找最優(yōu)策略的速度。
　　本文主要工作是設(shè)計(jì)了一種分層的多Agent強(qiáng)化學(xué)習(xí)模型，包括任務(wù)層，工作層，通信層和決策層。指出了模型各層的作用與實(shí)現(xiàn)的方法。進(jìn)一步

2、，結(jié)合多核技術(shù)，給出在多核環(huán)境下模型的實(shí)現(xiàn)。同時(shí)介紹了相關(guān)性能指標(biāo)，可對(duì)實(shí)現(xiàn)后的模型進(jìn)行性能評(píng)價(jià)?；诜謱拥亩郃gent強(qiáng)化學(xué)習(xí)的模型，本文還提出了主任務(wù)分發(fā)和子任務(wù)分配多Agent Q學(xué)習(xí)方法。前者實(shí)現(xiàn)了基于信息融合的決策層和加鎖模式通信層；后者實(shí)現(xiàn)了基于信息仲裁的決策層和無(wú)鎖模式通信層。兩種算法分別可用于解決在多核環(huán)境下機(jī)器人路徑規(guī)劃和多路口交通信號(hào)控制問(wèn)題。在采用主任務(wù)分發(fā)多Agent Q學(xué)習(xí)方法后，機(jī)器人路徑規(guī)劃仿真實(shí)驗(yàn)結(jié)果表明